1. Grundlagen 19 Winkel und einen Radius mit Verteilungsfunktion ) ∫ F(r) = P (√x 2 1 +x2 2 ≤ r = f(x 1 ,x 2 )d(x 1 ,x 2 ) K r = ∫ r 0 = − e −r2 2 1 2π e−r2 2 ·2πrdr ∣ r 0 = 1− e −r2 2 . Für die Umkehrfunktion g gilt u = 1− e −g(u)2 2 ⇔ e −g(u)2 2 = 1−u ⇔ − g(u)2 = ln(1−u) 2 ⇔ g(u) = √ −2ln(1−u). Damit lässt sich die Verteilung des Radius simulieren, wobei 1−U auch durch U ersetzt werden kann. Bemerkung: Ist X standardnormalverteilt, so ist µ+σ·X normalverteilt mit Mittelwert µ und Varianz σ 2 .
2. Weiterführende Begriffe 20 2. Weiterführende Begriffe 2.1. Bedingte Wahrscheinlichkeit und Unabhängigkeit Beispiel 1: Es wird zwei Mal gewürfelt und nur verraten, dass die Augensumme größer als sieben ist. Wie groß ist die Wahrscheinlichkeit, dass der erste Wurf eine 6 ergab? (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6) Die Aussage ” Summe > 7“ schränkt die möglichen Ereignisse auf die eingerahmten 15 Paare ein. Von denen erfüllen 5 die Eigenschaft ” erster Wurf gleich 6“ (letzte Zeile), die gesuchte Wahrscheinlichkeit ist also 5 15 = 1 3 . Definition 2.1 Die bedingte Wahrscheinlichkeit P(A|B) von A unter (der Bedingung) B, d.h. die Wahrscheinlichkeit eines Ergebnisses in A unter der Bedingung, dass es in B liegt, ist: P(A|B) = P(A∩B) . P(B) Beispiel 2 (Fortsetzung von Beispiel 1): Es ist A = { ” erster Wurf = 6“} und B = { ” Augensumme > 7“}, also P(B) = 15 36 , P(A∩B) = P( ” erster Wurf = 6 und Augensumme > 7“) = 5 36 ⇒ P(A|B) = 5 36 15 36 = 5 15 = 1 3 . Bemerkungen: 1. Bei einer bedingten Wahrscheinlichkeit wird ” umnormiert“: Statt des gesamten Wahrscheinlichkeitsraums Ω wird nur noch B als Grundmenge genommen und jeweils die Schnitte A∩B betrachtet. Die entsprechenden Wahrscheinlichkeiten müssenallerdingsnochumnormiertwerden,umP(B|B) = 1 zu erreichen; dies geschieht durch die Division durch P(B). Ω A B